10.16208/j.issn1000-7024.2019.02.043
基于栈式自编码融合极限学习机的药品鉴别
近红外光谱数据维度较高,传统的特征提取方法不足以提取更高层次的抽象特征,为此提出一种栈式自编码融合极限学习机的药品鉴别方法,利用ELM代替SAE的反向微调和Softmax分类阶段,减少了SAE的训练时间,提高了SAE的应用能力.以不同厂商生产的非铝塑包装的头孢克肟片药品的近红外光谱为实例,在不同规模的数据集下,验证该算法,并与其它机器学习方法进行对比.实验结果表明,SAE-ELM减少了SAE的训练时间,具有较高分类准确率和稳定性.
抽象特征、近红外光谱、药品鉴别、栈式自编码、极限学习机
40
TP183(自动化基础理论)
国家自然科学基金项目21365008、61105004;广西壮族自治区自然科学基金项目2013GXNSFBA019279
2019-05-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
545-549,561